Passt Maschinelle Sprachverarbeitung zu mir?
Meine Fähigkeiten
- Sie sind fit in Mathematik und gut im Umgang mit Zahlen?
- Sie verfügen sowohl über ein gutes naturwissenschaftliches (Mathe) als auch sprachliches (Deutsch) Verständnis?
- Sie sehen hinter der inhaltlichen Ebene von Sprache (das, was Sätze oder Wörter bedeuten) auch die Sprachstruktur mit ihren Regeln, Ausnahmen und Besonderheiten?
- Sie können sich stundenlang in eine Aufgabe vertiefen und geben nicht auf, bis Sie sie gelöst haben?
Dann bringen Sie wesentliche Voraussetzungen mit, um das MSV-Studium erfolgreich zu absolvieren!
Maschinelle Sprachverarbeitung ausprobieren?
Sie möchten wissen, mit welchen Themen Sie sich im Studium der MSV beschäftigen werden?
- Testen Sie, ob Sie bereits Aufgaben aus dem Studium bearbeiten können.
- Prüfen Sie, ob Ihnen die Bearbeitung der Aufgaben Spaß macht.
Meine Interessen
Die Maschinelle Sprachverarbeitung schlägt die Brücke zwischen geistes- und naturwissenschaftlichem Denken: Sie untersucht sowohl, wie Sprache und Kommunikation „funktionieren” als auch, wie man diese in Computersystemen abbilden kann. So kann sie zukunftsweisende Fragen mit modernsten Technologien erforschen:
Wie sind menschliche Sprachen aufgebaut? Wie können uns „Maschinen“ verstehen? Welche Sprachverarbeitungssysteme sind nützlich für den Menschen? Wo sind die Grenzen einer automatisierten Sprachverarbeitung?
Woran kann ich merken, dass das Studium auch etwas für mich ist?
- In der Schule haben Ihnen sowohl Deutsch als auch Mathe Spaß gemacht?
- Sie finden Grammatik nicht öde, sondern interessant?
- Sie bevorzugen das systematische Denken gegenüber dem kreativen Schaffen?
- Sie lieben präzise Analysen, Genauigkeit und Fehlerfreiheit bis ins letzte Detail?
- Sie haben bereits Spaß an Programmierarbeiten oder Lust, das Programmieren zu erlernen?
Wenn Sie diese Fragen überwiegend mit einem klaren „Ja“ beantworten, haben Sie gute Voraussetzungen, dass das Studium zu Ihnen passt.
Interessieren mich folgende Forschungsthemen?
Die maschinelle Sprachverarbeitung kann andere Wissenschaften unterstützen, indem sie ihnen hilft, große Mengen von Texten automatisch zu analysieren. Zum Beispiel interessiert sich die Politikwissenschaft dafür, wer im Verlauf einer gesellschaftlichen Debatte wann welche Positionen vertritt. Auf der MSV-Ebene erfordert dies die Entwicklung von Analyseverfahren, die Positionen und die jeweiligen Sprecher erkennen. Das Ergebnis lässt sich als ein Netzwerk darstellen:
Die Abbildungen oben zeigen ein solches Netzwerk für die Flüchtlingsdebatte in Deutschland 2015, mit Sprechern als rote Quadrate und Positionen als blaue Kreise. Die oberste Abbildung zeigt das Netzwerk der Monate Januar-August (vor der großen Krise): viele verschiedene Sprecher diskutieren über viele Aspekte. Direkt darunter im Vergleich das Netzwerk für September-Dezember (nach der großen Krise): man sieht direkt, dass sich die Debatte deutlich geändert hat. Sie ist „Chefsache” geworden (Angela Merkel ist zentral), und die Diskussion konzentriert sich auf den Aspekt einer europaweiten Lösung (Position „501”).
Die maschinelle Sprachverarbeitung ist interdisziplinär, das heißt, dass sich verschiedene Wissenschaften wie zum Beispiel Sprachforschung (sowohl gesprochene als auch geschriebene Sprache), Kognitionswissenschaft und Informatik kreuzen. Dialogsysteme sind ein exzellentes Beispiel dafür, weil hier die Zusammenarbeit von verschiedenen Fachdisziplinen eine entscheidende Rolle spielt. Die Anforderung an Dialogsysteme ist, dass sie Eingaben von Benutzern via natürlicher Sprache erkennen und sie darüber hinaus verstehen. Basierend auf diesem Verständnis entwickeln die Systeme dann mit Hilfe von Methoden aus dem Bereich der Künstlichen Intelligenz (KI) eigene Strategien zur Reaktion. Ein mögliches Ziel solcher Systeme ist es, Benutzer zu unterstützen, so dass sie möglichst schnell Informationen finden, die sie suchen.
Ein mögliches Szenario ist, dass eine Studierende mit einem Dialogsystem durch natürliche Sprache kommuniziert, um eine bestimmte Information über einen Kurs zu bekommen. Das System muss in der Lage sein, die natürliche Sprache dieser Studierenden zu erkennen und zu verstehen, welche Information gesucht wird. Damit kann das System dann mit Deep Reinforcement Learning - eine bekannte Methode in der KI - entscheiden, ob die gefundene Information bereits ausreichend ist und weitergegeben werden kann oder welche Fragen für die Verfeinerung der Suche nötig sind.
Ähnliche Studiengänge
- Germanistik
für alle, die sich für Sprache und Literatur interessieren - Linguistik
Für alle, die sich mit Sprache und ihrer Struktur beschäftigen wollen - Informatik
Studium aller informatischen Anwendungsbereiche - Softwaretechnik
Informatik-Studium mit hoher Praxisausrichtung - Data Science
Informatik-Studium mit Schwerpunkt auf Datenanalyse - Medieninformatik
Informatik-Studium mit Schwerpunkt auf digitalen Medien